即时定位与地图构建技术自上世纪八十年代发展至今,已通过不同传感器解决了诸多限制性场景内的定位和建图问题。当下,由于对机器人在更多非限制性场景中完成工作任务的迫切需求,使用通用的传感器并提高其环境适应能力和长期可靠能力是大势所趋。通常对于这类性能的体现我们称之为鲁棒性,对于定位和建图系统,鲁棒性应体现在内因和外因两部分。本文通过对即时定位与地图构建问题进行内因和外因的分析,从改善系统框架,失效检测和面向复杂环境的精准处理三个方面入手,提高该技术和该系统的整体鲁棒性。首先,本文提出围绕即时定位与地图构建技术建立框架,以保证框架的兼容性和扩展性。基于第二代机器人操作系统建立的维稳框架可以为即时定位与地图构建技术乃至其他更多的机器人方法提供良好的数据和控制接口,去中心化的数据分布式服务通信系统也保证了整个系统不会因为单一节点或进程的崩溃而产生运行异常。其次,本文提出通过相互和独立的失效检测,从内因入手为整个传感器系统的运行时稳定性进行提升。相互失效检测是通过两台相同类型机器人互相“观察”的方式进行视觉传感器和惯性传感器的有效性检测;独立失效检测则是通过对视觉传感器的成像效果对其进行长期监测。在两种情况中并针对其数值的异常进行判断和干预。最后,本文通过对复杂环境的分析,分别提出了环境信息节点、过滤节点和语义标记节点。环境信息节点获取环境情况。过滤节点负责分析所有数据,并做出判断。语义标记节点则基于丰富的环境信息和重定位技术,在已获取的稳定图像数据和准确环境信息的基础之上,可以根据经验判断环境中可读目标的移动概率,以确保机器人可以在不同环境中有更准确的定位。通过对每个模块的单元测试和总体集成测试,均可证明本文的方法可以提高SLAM系统在多方面的鲁棒性能。